Unternehmen müssen schnell handeln, um sich auf die veränderten Situationen am Beschaffungsmarkt, in der Logistik und vor allem beim Kundenverhalten durch die aktuellen Krisensituationen anzupassen. Notwendige Entscheidungen sollten jedoch im Idealfall auf hinreichend fundierter Grundlage getroffen werden, um den gewünschten Effekt aus getroffenen Maßnahmen auch tatsächlich zu erzielen. Prozesse der Entscheidungsfindung basieren vor allem auf Daten sowie den mit diesen Daten durchgeführten Analysen, die Entscheidungsgrundlagen bereitstellen. Relevante Daten können sowohl aus unternehmensinternen als auch unternehmensexternen Quellen stammen und sowohl die Vergangenheit als auch Zukunftserwartungen betreffen.
Angesichts der aktuell zu beobachtenden erheblichen und gleichzeitig wirkenden externen Schocks durch signifikant verändertes Nachfrageverhalten aufgrund makroökonomischer Entwicklungen, Lieferschwierigkeiten der Industrie, Steigerung der Energiekosten und weiteren wesentlichen Einflüssen kommen in den meisten Fällen die im Retailgeschäft für den Regelbetrieb vorhandenen Werkzeuge und Methoden für die operative Steuerung des Geschäfts an ihre Grenzen. Vielmehr ist erkennbar, dass für eine nachhaltige Sicherung von Marktanteilen, Ertragskraft und Liquidität Datenanalyse- und Prognosemethoden für Entscheidungsfindungen erforderlich sind, die über die bisher verfügbaren Werkzeuge hinausgehen. Neben reaktiven Maßnahmen auf bereits beobachtete Entwicklungen rückt zunehmend auch proaktives Agieren und die Beeinflussung antizipierter künftiger Entwicklungen in den Fokus.
Die Ausweitung der Nutzung angewandter Datenwissenschaft in der Ausarbeitung von Entscheidungsgrundlagen ist daher von enormer Bedeutung. Standen bislang deskriptive Analysemethoden (Business Intelligence) im Fokus der Datenverwendung, so sind in den vergangenen Jahren zunehmend bereits inquisitive und prädiktive Methoden (Ursachenforschung und Vorhersagen) in den Mittelpunkt gerückt. Im Lichte der derzeitig wirkenden und noch erwarteten makroökonomischen Schocks kommt darüber hinaus präemptiven Methoden eine immer wichtigere Bedeutung zu, um sich adäquat auf erwartete Veränderungen vorbereiten und die richtigen Entscheidungen treffen zu können. Dies kann die strategische Entwicklung von Sortimenten, die Anpassung von Logistikprozessen, Personalausstattung und Verkaufsförderungsmaßnahmen, aber auch die Entwicklung der Filialstruktur betreffen.
Vor einer Analyse von Daten im engeren Sinn ist die Gewinnung und Aufbereitung der zu nutzenden Daten erforderlich - das sogenannte Data Engineering. Diese Vorbereitung der Datengrundlage umfasst neben der Inventarisierung vorhandener Daten auch die Bereitstellung beziehungsweise Beschaffung der für die gewünschten Analysen fehlenden Daten, die quantitative und qualitative Aufbereitung sowie die sachgemäße Bereinigung von Daten.
Im Vergleich zu anderen Branchen haben Retailer einen ganz entscheidenden Vorteil im Hinblick auf die Anwendung innovativer Datenanalysemethoden, den es zu nutzen gilt: Daten des eigenen operativen Geschäfts der Vergangenheit liegen vielfach sehr detailliert und gut strukturiert vor. Das betrifft neben der Warenwirtschaft zunehmend auch das Kundenverhalten, das mittels Kundenbindungsprogrammen gut und fundiert evaluiert werden kann. Entscheidend ist nun, vorhandene Datenbestände zielgerichtet und zügig zu ergänzen sowie innovative Datenanalysemethoden in anwendbarer Form schnell und pragmatisch verfügbar zu machen. Dafür kann auch die Nutzung von Datenanalyse-as-a-Service eine Lösung sein.
